目標(biāo)檢測(cè)下的車(chē)型對(duì)交通流速度影響研究

摘要： 針對(duì)傳統(tǒng)目標(biāo)檢測(cè)跟蹤算法識(shí)別精度低，實(shí)時(shí)性差等缺點(diǎn)，提出了一種基于YOLOv5s和DeepSort算法模型的視頻車(chē)輛實(shí)時(shí)車(chē)流量和速度檢測(cè)方法。構(gòu)建了包含25 877個(gè)目標(biāo)樣本的數(shù)據(jù)集，采用YOLOv5s算法模型實(shí)現(xiàn)視頻車(chē)輛的檢測(cè)，利用DeepSort算法對(duì)車(chē)輛進(jìn)行跟蹤計(jì)數(shù)與測(cè)速，實(shí)現(xiàn)了路段監(jiān)控對(duì)車(chē)輛的實(shí)時(shí)檢測(cè)。基于深度學(xué)習(xí)獲取的速度與交通量數(shù)據(jù)，構(gòu)建了不同車(chē)型對(duì)交通流速度影響模... （共8頁(yè)）